Mirobody 实测:用 MiniCPM5-2B 在本机把三年化验单标准化到 LOINC 编码
用户实测 Theta Health 开源的健康数据引擎 Mirobody,在 16 GB 内存 M1 Pro MacBook Pro 上无 Docker、无云端 API Key,用 MiniCPM5-2B 抽取、GLM-OCR 读图,把三份真实化验单解析并统一到 LOINC 编码;两份 PDF 各读出 14 项,分别有 13 项和 12 项落码,截图读出的 4 项血脂全部落码。不同医院的指标写法和单位(如胆固醇 CHOL 与总胆固醇)归到同一编码,低密度脂蛋白胆固醇三个数值挂到编码 22748-8 下可直接比较;合成化验单 48 项全部落码,mg/dL 经换算函数转回 mmol/L。项目支持 23 种文件类型导入,词表为 LOINC 2.83,代码仓库 github.com/thetahealth/mirobo…,Apache-2.0 协议。
Love seeing MiniCPM5-2B powering real-world, local-first workflows! 💙 Turning scattered lab reports into structured, comparable data is a great use case. Thanks for sharing such a detailed hands-on test! 🙌
在 X 查看被引用的帖子我用 Mirobody 把自己三年的化验单在本机过了一遍。Mirobody 是 Theta Health 开源的健康数据引擎,做的事情很专一:把各家医院五花八门的指标写法和单位,统一到国际标准编码上。
我用 mirobody parse 解析的是三份真实报告:2024 年和 2025 年两份体检报告里的生化页 PDF,加上 2026 年 11 月另一家医院的一张检验报告手机截图。
结果是这样的:
两份 PDF 各读出 14 项,分别有 13 项和 12 项落到了 LOINC 标准编码;截图读出 4 项血脂,全部落码。
总胆固醇这一项,前一家医院印的是胆固醇 CHOL,后一家印的是总胆固醇,两种叫法都归到同一个编码 14647-2。两份体检报告的肌酐单位印法也不一样,同样落到同一个编码 14682-9。
我的低密度脂蛋白胆固醇 3.78、3.65、3.51 三个数,现在挂在同一个编码 22748-8 下面,可以直接放在一起比较。
我的报告恰好都是 mmol/L。为了看跨单位的情况,我又跑了官方仓库里的三份合成化验单,数值都是虚构的:一份中文 PDF 写 LDL-C、单位 mmol/L,一份体检单照片写低密度脂蛋白胆固醇、单位 mg/dL,一份英文表格写 LDL Cholesterol、单位 mg/dL。
48 项全部落码,mg/dL 用库里的换算函数转回来,LDL 连成 3.62、3.31、2.90 mmol/L 一条线。
测试环境是一台 16 GB 内存的 M1 Pro MacBook Pro,没装 Docker,也没用任何云端 API Key,步骤如下:
- brew install llama.cpp,用仓库自带的预设启动本地模型,抽取用 MiniCPM5-2B,读图用 GLM-OCR,首次下载约 4.1 GB。
- pip install 'mirobody[parse]',把本地模型地址填给它,然后对每份文件执行 mirobody parse。
- 在我这台机器上,一页 PDF 大约 20 秒,一张手机截图走 OCR 大约 80 秒,耗时会随机器配置和文件长短变化。
只想看名称能不能对上,不需要模型:uvx --python 3.12 mirobody resolve 低密度脂蛋白胆固醇 LDL-C 就能离线查到编码。词表是 LOINC 2.83,63,416 个编码,1,023,273 条名称。
为什么要先做标准化,项目方给过一组对照:同一个端侧 2B 小模型 MiniCPM5-2B,在公开的可穿戴数据集上,只把杂乱导出换成标准化后的表,正确率提升最明显的 PHIA 这一组从 44% 到 84%。这里的杂乱导出是按规则由真实数值模拟出来的,不是设备的原样文件。
根据项目介绍,Mirobody支持以下功能:
- PDF、照片、表格等 23 种文件类型,都能导入同一份记录。
- 开源版能直接导入 Apple Health 导出包;Garmin、Oura、Whoop 需要自己申请厂商开发者凭证
- 带网页界面、指标页和问答的完整版用 Docker 部署,建议 16 GB 内存、至少分 8 GB 给 Docker,Windows 需要在 WSL 2 里运行;纯 CPU 跑本地模型时,一次回答可能要几分钟。
国内高血压、糖尿病、慢性肾病的知晓率分别只有 46.9%、36.7%、10.0%。体检年年在做,把历年数字放到同一把尺子上,才看得出走向。
如果你手里也攒了好几年、好几家医院的报告,可以先拿一份试试。代码仓库:
github.com/thetahealth/mirobo…
Apache-2.0 协议,欢迎点个 Star,也欢迎把你那边医院的化验单写法提成 Issue 或 PR。
不方便本地部署的话,可以先在网页版看看:chat.mirobody.cn
来源:OpenBMB · x.com